問題陳述：

玉米霉變程度的評價通常依賴于人工檢測，這種方法不僅效率低下，還可能存在誤差。如何準確、快速地評價玉米霉變程度，一直是農(nóng)業(yè)生產(chǎn)中的難題。

解決方案：

高光譜相機是一種新型的光譜成像技術(shù)，能夠獲取物體的高光譜信息，從而實現(xiàn)對物體內(nèi)部結(jié)構(gòu)和性質(zhì)的準確檢測。將其應用于玉米霉變程度的評價，具有以下優(yōu)勢：

1. 非損傷性評估：高光譜相機通過獲取玉米的高光譜信息，無需破壞玉米樣品，即可對其內(nèi)部品質(zhì)進行檢測。
2. 高準確性：高光譜相機通過對玉米的多個光譜特征進行分析，可以更準確地反映其霉變程度。
3. 快速檢測：高光譜相機可以快速獲取玉米的高光譜信息，大大提高了檢測速度。

功能特點：

高光譜相機在評價玉米霉變程度方面具有以下特殊功能：

1. 高準確性：通過對玉米的多光譜特征進行分析，可以更準確地反映其霉變程度。
2. 非損傷性評估：無需破壞玉米樣品，即可對其內(nèi)部品質(zhì)進行檢測。
3. 快速檢測：可以快速獲取玉米的高光譜信息，大大提高了檢測速度。
4. 可視化分析：高光譜相機可以將獲取的玉米高光譜信息以圖像形式呈現(xiàn)，便于分析其內(nèi)部品質(zhì)。

基于高光譜技術(shù)的霉變玉米定量檢測方法研究

　　本研究應用了400-1000nm的高光譜相機，可采用廣東賽斯拜克科技有限公司產(chǎn)品SP130M進行相關(guān)研究。光譜范圍在400-1000nm，波長分辨率優(yōu)于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區(qū)域波段選擇）。

　　新鮮玉米在存貯過程中，由于其胚部大、水分含量高、帶菌量多，高溫高濕環(huán)境下極易霉變，不僅給經(jīng)濟造成重大損失，而且霉變玉米在代謝過程中會產(chǎn)生多種對人體具有極強致病性、致癌性的毒素，危害人畜健康。而目前基于理化實驗分析的霉變玉米檢測方法因存在樣品處理繁瑣、費時、對樣品有破壞性等缺點，難以實現(xiàn)簡單、快速、無損檢測，無法滿足實際生產(chǎn)的需要。因此，基于高光譜技術(shù)的快速、準確、無損的霉變玉米檢測研究具有重要意義。黃曲霉毒素B1（aflatoxin B1，AFB1）和玉米赤霉烯酮（zearalenone，ZEN）是霉變玉米內(nèi)生成的2種比較穩(wěn)定的代謝產(chǎn)物，容易在霉變玉米中積累，導致含量升高，AFB1和ZEN的多少與玉米霉變情況密切相關(guān)，也是表征玉米霉變程度的重要指標。因此，可以通過監(jiān)測玉米中AFB1和ZEN 含量變化來表征玉米的霉變情況，實現(xiàn)對玉米霉變程度的準確評價。

　　首先，設置適宜的溫度和濕度條件，在實驗室的恒溫恒濕培養(yǎng)箱中培育不同霉變等級的玉米樣品。按照國標法測定不同霉變等級玉米樣品內(nèi)AFB1和ZEN 含量。同時采集所有樣本的高光譜圖像并進行黑白校正。因為背景噪聲、雜散光等無用信息的存在，原始光譜數(shù)據(jù)會受到一定的影響，進行數(shù)據(jù)分析前應對原始光譜進行預處理。本文通過對比5種預處理方法，最終確定采用標準正態(tài)變量校正（SNV）法為預處理方法。為提高預測模型穩(wěn)健性，本研究對樣本集的劃分進行研究，對比了隨機法（RS）、KS（Kennard-Stone）算法、雙向法（Duplex）和光譜-理化值共生距離（SPXY）算法4種樣本集劃分方法，PLSR模型構(gòu)建結(jié)果表明，利用SPXY法進行樣本集劃分時，所構(gòu)建的模型校正集和測試集準確率均高于其他三種，

　　因而本文采用SPXY算法對樣本集進行劃分。為盡量有效地降低樣本間的共線性，降低模型復雜度，本文采用SPXY算法對校正集樣本進行進一步優(yōu)選，對于AFB1，最終從初始校正集中優(yōu)選出130個樣本組成模型校正集；對于ZEN，最終從初始校正集中優(yōu)選出140個樣本組成模型校正集。在采用均勻光譜間隔（USS）法對原始光譜變量進行初降維的基礎(chǔ)上，對比連續(xù)投影算法（SPA）和競爭性自適應重加權(quán)算法（CARS）2種變量提取法。結(jié)果表明∶經(jīng)SPA 法分別篩選出17個特征波段且基于較少校正集樣本和特征波長光譜信息建立的PLSR 模型能夠獲得較優(yōu)的預測結(jié)果。因此，基于光譜-理化值共生距離（SPXY）算法和連續(xù)投影（SPA）算法進行特征提取后建立的高光譜檢測模型，可以實現(xiàn)對霉

　　變玉米中AFB1和ZEN含量的準確預測。最后，在原始光譜數(shù)據(jù)經(jīng)過SNV預處理后，采用SPXY算法對校正集樣本進行劃分與優(yōu)選，運用USS法結(jié)合SPA算法對光譜數(shù)據(jù)進行篩選的基礎(chǔ)上分別建立基于優(yōu)選后的校正集樣本及特征波長PLSR、LSSVM和MLR預測模型，并對比模型結(jié)果。本研究最終確定基于LS-SVM的模型能實現(xiàn)對霉變玉米內(nèi) AFB1和1ZEN 含量的準確預測，該模型對AFB1和ZEN含量的預測精度（RPme，RMSEP）分別為（0.9981，0.5930）和（0.9989，0.8058）。